近日，半導(dǎo)體所集成光電子學(xué)國家重點(diǎn)實(shí)驗(yàn)室微波光電子課題組李明研究員-祝寧華院士團(tuán)隊(duì)研制出一款超高集成度光學(xué)卷積處理器。

卷積神經(jīng)網(wǎng)絡(luò)是一種受生物視覺神經(jīng)系統(tǒng)啟發(fā)而發(fā)展起來的人工神經(jīng)網(wǎng)絡(luò)，它由多層卷積層、池化層和全連接層組成。

作為卷積神經(jīng)網(wǎng)絡(luò)的核心組成部分，卷積層通過對輸入數(shù)據(jù)進(jìn)行局部感知和權(quán)值共享，提取出不同層次和抽象程度的特征。

在一個完整的卷積神經(jīng)網(wǎng)絡(luò)中，卷積運(yùn)算的運(yùn)算量通常占整個網(wǎng)絡(luò)運(yùn)算量的80%以上。

雖然卷積神經(jīng)網(wǎng)絡(luò)在圖像識別等領(lǐng)域取得了巨大的成功，但是它也面臨著巨大的挑戰(zhàn)。

傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)主要基于馮·諾依曼架構(gòu)的電學(xué)硬件實(shí)現(xiàn)，存儲單元和處理單元是分立的，這導(dǎo)致了數(shù)據(jù)交換速度和能耗之間的固有矛盾。

隨著數(shù)據(jù)量和網(wǎng)絡(luò)復(fù)雜度的增加，電子計算方案越來越難以滿足海量數(shù)據(jù)實(shí)時處理對高速、低能耗的計算硬件的需求。

光計算是一種利用光波作為載體進(jìn)行信息處理的技術(shù)，它具有大帶寬、低延時、低功耗等優(yōu)點(diǎn)，提供了一種“傳輸即計算，結(jié)構(gòu)即功能”的計算架構(gòu)，有望避免馮·諾依曼計算范式中存在的數(shù)據(jù)潮汐傳輸問題。

光計算在近年來受到了廣泛關(guān)注，但大部分已報道的光計算方案中，光學(xué)元件的數(shù)量隨著計算矩陣的規(guī)模呈二次增長趨勢，這對光計算芯片規(guī)模擴(kuò)展存在巨大挑戰(zhàn)。

李明研究員-祝寧華院士團(tuán)隊(duì)提出的光學(xué)卷積處理單元通過兩個4×4多模干涉耦合器和四個移相器構(gòu)造了三個2×2相關(guān)的實(shí)值卷積核。

該團(tuán)隊(duì)創(chuàng)新性的將波分復(fù)用技術(shù)結(jié)合光的多模干涉，以波長表征Kernel元素，輸入到輸出的映射實(shí)現(xiàn)了卷積中的乘法運(yùn)算過程，波分復(fù)用和光電轉(zhuǎn)換實(shí)現(xiàn)了卷積中的加法運(yùn)算，通過調(diào)節(jié)四個熱調(diào)移相器實(shí)現(xiàn)相關(guān)卷積核重構(gòu)（如圖2所示）。



圖2?使用光學(xué)卷積處理單元進(jìn)行圖像特征提取的結(jié)果。（a）輸入的五個手寫數(shù)字的圖片；（b）使用計算機(jī)進(jìn)行特征提取的結(jié)果；（c）使用提出的光學(xué)卷積處理單元進(jìn)行特征的結(jié)果。

該團(tuán)隊(duì)提出的光學(xué)卷積處理單元實(shí)驗(yàn)驗(yàn)證了手寫數(shù)字圖像特征提取和分類能力，結(jié)果表明，圖像特征提取精度達(dá)到5 bit；對來自MNIST手寫數(shù)字?jǐn)?shù)據(jù)庫的手寫數(shù)字進(jìn)行十分類，準(zhǔn)確率達(dá)到92.17%。

與其他光計算方案相比，該方案具有以下優(yōu)點(diǎn)：

（1）高算力密度：將光波分復(fù)用技術(shù)與光多模干涉技術(shù)相結(jié)合，采用4個調(diào)控單元實(shí)現(xiàn)3個2×2實(shí)值Kernel并行運(yùn)算，算力密度達(dá)到12.74-T MACs/s/mm2。

（2）線性擴(kuò)展性：調(diào)控單元數(shù)量隨著矩陣規(guī)模線性增長，具有很強(qiáng)的大規(guī)模集成的潛力。?





審核編輯：劉清